PDF superior Simulaciones de Monte Carlo para el modelo de maier-saupe

Simulaciones de Monte Carlo para el modelo de maier-saupe

Simulaciones de Monte Carlo para el modelo de maier-saupe

Basado en los conocimientos adquiridos a lo largo del trabajo, fue posible comprender como se da la transición de fase en los cristales líquidos y evidenciar esto de forma directa por medio de métodos computacionales, específicamente el método de Monte Carlo para el modelo de Maier-Saupe.

6 Lee mas

Estudio de la transición de fase Kosterlitz Thouless en el  modelo XY Diluido bidimensional utilizando simulaciones de Monte Carlo

Estudio de la transición de fase Kosterlitz Thouless en el modelo XY Diluido bidimensional utilizando simulaciones de Monte Carlo

El principal objetivo de este trabajo realizar un estudio preliminar de la transi- ción de fase (KT) en el modelo XY-diluido bidimensional utilizando simulaciones de Monte Carlo mediante el desarrollo de un software que permita estudiar el mo- delo XY-diluido. Entre los usos que se prevén para este programa informático es el calculo de factores referentes al modelo XY-diluido en el equilibrio como la energía, la capacidad calorífica, la magnetización y susceptibilidad magnética, el número de vórtices, la rigidez de giro y la función de correlación con sus respectivos exponen- tes críticos. Realizando varias simulaciones se determinará la temperatura critica de transición para diferentes concentraciones de impureza y se analizará los resultados. Este programa con una interfase amigable por consola servirá también como futura herramienta para nuevos estudiantes de Física de la Escuela Politécnica Nacional que pretendan realizar nuevas investigaciones en torno al mismo tema, además es- te software será diseñado para que sea de fácil modificación y de total autoría de la universidad. Entre los usos que se prevén para este programa informático es el calculo de factores referentes al modelo XY como la energía, la capacidad calorífica, la magnetización y susceptibilidad magnética, el número de vórtices, la rigidez de giro y la función de correlación con sus respectivos exponentes críticos.
Mostrar más

136 Lee mas

Modelo y herramienta de cálculo para el análisis de riesgo en taludes utilizando simulaciones de Monte Carlo

Modelo y herramienta de cálculo para el análisis de riesgo en taludes utilizando simulaciones de Monte Carlo

El  análisis  de  riesgo  en  la  estabilidad  de  taludes  es  un  desafío  para  el  campo  de  la  ingería   civil   debido   a   las   implicaciones   en   la   seguridad   humana   y   la   calidad   de   vida.   En   este   artículo  se  presenta  un  modelo  y  una  herramienta  formulados  para  determinar  el  riesgo   asociado   a   un   talud.   El   objetivo   es   proporcionar   tanto   un   modelo   teórico   como   una   herramienta  operativa  de  aplicación  simple  que  permita  asociar  un  riesgo  aproximado  a   un   sistema   específico.   Para   el   desarrollo   de   este   modelo   se   estudió   y   se   encontró   una   manera   aproximada   de   modelar   la   variabilidad   presente   en   los   parámetros   del   suelo.   Este   proceso   incluye   el   ajuste   de   cada   parámetro   a   una   distribución   de   probabilidad   Log-­‐Normal.  A  partir  de  esto  se  puede  realizar  un  análisis  de  equilibrio  límite,  en  este   caso,  el  de  falla  circular  ideado  por  Bishop,  para  cada  grupo  de  datos.  Al  realizar  estas   simulaciones   de   Monte   Carlo,   se   puede   determinar   la   probabilidad   de   falla   para   cada   sistema.   Después   de   realizar   el   análisis   de   sensibilidad   pertinente   se   compararon   los   resultados  con  los  obtenidos  por  Escobar  y  Valencia  (2012).  Se  encontró  una  diferencia   del  9%  entre  los  dos  modelos  de  cálculo.  Esta  herramienta  desarrollada  realizar  análisis   simples   respecto   a   riesgo   en   taludes   y   de   esta   manera   registrar   amenazas   de   manera   oportuna.  
Mostrar más

22 Lee mas

Un modelo Monte Carlo para la Cámara de Diputados en México

Un modelo Monte Carlo para la Cámara de Diputados en México

Este ejercicio puede generalizarse para diferentes tamaños de la Cáma- ra de Diputados. La figura 7 ilustra el tamaño relativo de las bancadas como una función del número de curules plurinominales en un rango de 0 a 300. Las simulaciones utilizan los resultados electorales de 2006 y asumen que los resultados de los 300 distritos de mayoría relativa permanecen sin cam- bio. Es decir, estamos simulando una Cámara mixta que va de 300 a 600 asientos con una composición cada vez más proporcional. Como se aprecia, incluso en este rango considerablemente amplio, el porcentaje de curules totales no varía más de cuatro puntos porcentuales respecto al porcentaje observado en realidad (líneas punteadas). Casar (2009) llega a las mismas conclusiones cuando analiza una reforma similar con los resultados de las elecciones federales de 1997 a 2009. La razón de que estas variaciones sean pequeñas es que cien curules de representación proporcional es un número suficientemente grande como para mantener resultados razonablemente proporcionales (Rae, 1967; Taagepera y Shugart, 1989). De hecho, el nú- mero de curules plurinominales en Israel —un país al que se recurre con
Mostrar más

29 Lee mas

Modelización microscópica mediante simulaciones Monte Carlo de los procesos de histéresis en materiales Ferroeléctricos Relaxores

Modelización microscópica mediante simulaciones Monte Carlo de los procesos de histéresis en materiales Ferroeléctricos Relaxores

Los materiales ferroel´ectricos son materiales que presentan polarizaci´on en ausencia de campo el´ectrico, que puede cambiar de direcci´on mediante la aplica- ci´on de ´este. Esta propiedad es una de las m´as caracter´ısticas de estos materiales y es conocida como hist´ eresis. Dentro de este tipo de materiales se encuentran los ferroel´ectricos relaxores, que resultan de dopar los materiales ferroel´ectricos. Estos materiales, adem´as de presentar las caracter´ısticas t´ıpicas de los materiales ferroel´ectricos, presentan propiedades especiales que los hace mejores candidatos en ciertas aplicaciones industriales, como por ejemplo, la creaci´on de capacitores con mejores propiedades y bajo costo. Si bien se tiene un modelo aceptado para los materiales ferroel´ectricos, los materiales ferroel´ectricos relaxores no poseen, en general, un modelo aceptado totalmente por la comunidad cient´ıfica. Los modelos actuales parten de suposiciones mesosc´opicas que no est´an sustentadas rigurosa- mente ni por experimentos ni desarrollos te´oricos, resultando, por lo tanto, en suposiciones un tanto arbitrarias. En este trabajo de titulaci´on proponemos un modelo microsc´opico para explicar el fen´omeno relaxor a partir de las interaccio- nes entre los dipolos que se generan en las celdas cristalinas del material. Adem´as, estudiamos la formaci´on dentro del material, de nano regiones, es decir, regiones conexas donde los dipolos de las celdas cristalinas tienen la misma direcci´on. Para esto proponemos un algoritmo, basado en la Teor´ıa de los Sistemas Complejos, para encontrar la distribuci´on que siguen los tama˜ nos de estas nano regiones, que a partir de un cierto tama˜ no m´ınimo pueden ser relacionadas con las nano re- giones polares, nano regiones que tienen sentido f´ısico. Encontramos que nuestro modelo es capaz de reproducir las propiedades experimentales de los materiales ferroel´ectricos y ferroel´ectricos relaxores.
Mostrar más

72 Lee mas

Método Monte Carlo y el modelo de ising en dos y tres dimensiones

Método Monte Carlo y el modelo de ising en dos y tres dimensiones

Hay dos clases generales de simulaciones. Uno es llamado el método de Dinámi­ ca Molecular. Aquí, se considera un modelo dinámico clásico para átomos y moléculas y la trayectoria es formada por ecuaciones integrales de movimien­ to de ewton. El procedimiento provee información tanto dinámica como de propiedades estadísticas de equilibrio. Así, se pueden determinar las propiedades de un fluido en condiciones extremas de temperatura y presión, inaccesibles ex­ perimentalmente. La otra clase es llamada el método de Monte Cario. Este procedimiento es más general que el de dinámica molecular ya que puede ser usa­ do para estudiar sistemas cuánticos y modelos de red asi como conjuntos clásicos de moléculas. El método de Monte Garlo, sin embargo, no provee un método directo de obtención de información dinámica dependiente del tiempo.
Mostrar más

174 Lee mas

Determinación de dosis absorbida periférica a través de simulaciones Monte Carlo : evaluación de los algoritmos de cálculo en el planificador comercial Monaco®

Determinación de dosis absorbida periférica a través de simulaciones Monte Carlo : evaluación de los algoritmos de cálculo en el planificador comercial Monaco®

67 Kry, y col (Kry S. F., et al., 2007) (Kry S. F., et al., 2006), llegan a la conclusión que su modelo de Monte Carlo de un Varian 2100, comparándolo con medidas hechas con TLDs, calcula la dosis fuera del campo de fotones con una diferencia promedio de 17%, lo cual consideran como un nivel aceptable, ya que esto representa solo una pequeña contribución a las incertidumbres totales en los modelos de evaluación de riesgo de efectos tardíos debido a la dosis fuera del campo. Dado que nuestras diferencias respecto a medidas experimentales son incluso inferiores, el modelo del Elekta Axesse simulado en Monte Carlo puede ser utilizado para evaluar la dosis a órganos o estructuras de interés que se encuentren fuera del campo de tratamiento, lo cual puede servir para estimar posibles efectos de la radiación sobre los mismos.
Mostrar más

91 Lee mas

Simulaciones Monte Carlo para radioterapia intraoperatoria con haces de electrones

Simulaciones Monte Carlo para radioterapia intraoperatoria con haces de electrones

y con el 7 para el test del escalón para ambas energías de 6 y 12 MeV (paneles a y b, respectivamente). Los paneles c) y d) muestran el mapa bidimensional de la distribución gamma (3%-3 mm) correspondiente a dichos casos. .................................................................................................................................................................. 122 Figura 52. a) Cabezal acelerador lineal modelo Varian 21 instalado en la Clínica La Luz de Madrid y equipo analizador MP3 b) Cámara de ionización plana en el interior del tanque de agua c) Detector de diodo EFD Scanditronix ........................................................................................................................... 127 Figura 53. Diferentes elementos que constituyen el aplicador de electrones que ha sido empleado en las medidas experimentales llevadas a cabo en la Clínica La Luz: a) adaptador b) bisel de 45º c) sistema de sujeción del cono. d) aplicador completo montado en el acelerador. ...................................................... 128 Figura 54. a) Maniquí empleado en la Clínica de La Luz para las medidas en la heterogeneidad tipo ‘escalón’. b) Representación esquemática de la heterogeneidad y de la dispoción de las películas radiocrómicas empleadas. ........................................................................................................................ 129 Figura 55. Maniquí empleado en la Clínica de La Luz para las medidas en la heterogeneidad de ‘plomo’ a). Disco de plomo en el centro. b) Disposición final para la medida con varias láminas de agua sólida por encima del disco de plomo. ................................................................................................................ 130 Figura 56. a) Maniquí empleado en la Clínica de La Luz para las medidas en la heterogeneidad tipo ‘mediastino-pulmón’. b) Representación esquemática
Mostrar más

205 Lee mas

Simulaciones de Monte Carlo del almacenamiento de hidrógeno en  nanoporos de carbono

Simulaciones de Monte Carlo del almacenamiento de hidrógeno en nanoporos de carbono

Un modelo de generaci´ on de energ´ıa alternativo al modelo actual, ser´ıa el conocido como “econom´ıa basada en el hidr´ ogeno”. Este modelo busca usar el hidr´ ogeno como piedra angu- lar de la obtenci´ on y almacenamiento de energ´ıa. La idoneidad del hidr´ ogeno como base de este modelo energ´ etico es que se trata de un gas que no contamina, no es t´ oxico y que al que- marse produce agua, adem´ as de sus propiedades energ´ eticas de las que se hablar´ a m´ as adelante. Una econom´ıa basada en el hidr´ ogeno planea solventar el problema de la generaci´ on de electricidad usando la fusi´ on nuclear de n´ ucleos de hidr´ ogeno (todav´ıa en desarrollo) al mismo tiempo que pretende que los medios de transporte se basen en celdas de hidr´ ogeno, sustitu- yendo a las actuales bater´ıas el´ ectricas y combustibles f´ osiles. Este trabajo de fin de grado se va a centrar en el almacenamiento de hidr´ ogeno para automoci´ on o almacenamiento “on board”.
Mostrar más

54 Lee mas

Método de Monte Carlo para el cálculo de integrales n dimensionales

Método de Monte Carlo para el cálculo de integrales n-dimensionales

Para analizar la convergencia usamos el tiempo de simulaci´ on, veremos que, de los m´ etodos num´ ericos para un n se obtiene un valor que puede converger al valor que se busca, sin em- bargo, para los m´ etodos MC esto no sucede, el valor puede aun no converger, en los ejemplos se muestra que el m´ etodo de Monte Carlo no es recomendable para integrales de una variable a diferencia de los m´ etodos num´ ericos, para integrales multivariables los m´ etodos num´ ericos quedan en desventaja con respecto al m´ etodo de Monte Carlo. Para hacer la comparaci´ on de convergenc´ıa en los m´ etodos MC se realiz´ o el experimento 30 veces con un n fijo y tomando la media muestral como el representante de este experimento.
Mostrar más

69 Lee mas

Dosimetría Monte Carlo para campos colimados de fotones

Dosimetría Monte Carlo para campos colimados de fotones

Los archivos de espacio de fase poseen un tamaño limitado, por lo cual la incerteza que se alcanza en las simulaciones depende directamente del número de partículas que éste posea. En general, cuando se requiere una incerteza clínicamente aceptable (menor al 2 %), se necesita trabajar con un número de historias muy grande, lo que se traduce en archivos de varios Gb de tamaño (por ejemplo, 10 8 partículas equivale a un tamaño aproximado de 10 Gb en un phsp del código PENELOPE), lo cual hace muy poco práctico el uso de estos archivos, por lo que conviene aplicar técnicas de reducción de varianza como el splitting de partículas o reciclado de los phsp (proceso que consiste en reutilizar N veces un phsp) a n de trabajar con archivos de menor tamaño [19,20]. El proceso que se lleva a cabo para el cálculo de alguna magnitud q (en este caso la dosis) se divide en dos partes. Primero se simula la trayectoria de cada partícula a lo largo de una determinada estructura, hasta que éstas alcanzan un plano de detección (el phsp). En una segunda etapa, se procede a simular el transporte de cada partícula contenida en el phsp obteniendo así la magnitud q . Esta división permite, por ejemplo, reutilizar la simulación del transporte efectuada en las estructuras jas de un cabezal de tratamiento.
Mostrar más

131 Lee mas

Modelo de simulación para la optimización del inventario de una distribuidora,  basado en Simulación Monte Carlo y Algoritmo Metaheurístico Genético

Modelo de simulación para la optimización del inventario de una distribuidora, basado en Simulación Monte Carlo y Algoritmo Metaheurístico Genético

The purpose of this investigation is to minimize the costs of sales of a distributor, since, not having adequate inventory control, at the end of each monthly period there are too many products stored in the warehouse that become large losses of money. For the reali- zation of this study, there is a history of real data that goes from the whole year 2017 to June 2019, then, from July to December 2019, the daily purchases and sales of the products were simulated through a simulation of the Monte Carlo model, therefore completing the sample necessary for the generation of the results estimated in the year 2020 using the model based on the Genetic Metaheuristic Algorithm. The results obtained through the Metaheuristic Algorithm, the Monte Carlo Simulation Model and the Objective Cost Mini- mization Function that represent approximately 10% compared to the costs of previous periods.
Mostrar más

7 Lee mas

ARCHIGRAM EN MONTE CARLO Y LA IDEA DEL PAISAJE EQUIPADO

ARCHIGRAM EN MONTE CARLO Y LA IDEA DEL PAISAJE EQUIPADO

se distinguen cuatro estadios para la humanidad: la cultura oral y auditiva de las sociedades primitivas y tribales; la cultura visual de la escritura fonética; la cultura visual de la tecnología mecánica (con la invención de la imprenta); y el retorno actual a los patrones auditivos y táctiles de las culturas primitivas, redefinidos por las tecnologías eléctri- cas y electrónicas en la era de la televisión (Huyssen, 1995). La naturaleza equipada de Archigram es la realización del modelo mítico de McLuhan, en que las tecnologías esta- rían devolviendo al hombre a una cultura integral y primi- tiva, en un mundo re-tribalizado por la presencia ubicua e instantánea de la electricidad. El hombre recolector de alimentos de las sociedades primitivas reaparece como el hombre recolector de información en una sociedad tecno- lógicamente sofisticada, no menos nómada que sus ante- pasados del paleolítico (McLuhan, 1996).
Mostrar más

5 Lee mas

Chapter IX  Monte Carlo Simulation ppt

Chapter IX Monte Carlo Simulation ppt

It is interesting to note that the average demand of 3.9 tires in this 10/days simulation differs significantly from the expected daily demand, which we can compute from t[r]

16 Lee mas

Primjena Monte Carlo simulacija u procjeni rizika

Primjena Monte Carlo simulacija u procjeni rizika

Monte Carlo metoda je često korištena numerička metoda za rješavanje raznorodnih problema upotrebom računalnih mogućnosti. Primjenjuje se na probleme koji se mogu svesti na aproksimiranje integrala. U osnovi Monte Carlo metode analize je iznimno jednostavan princip aproksimacije, ali može biti računalno zahtjevan za izračunavanje. Nije teško napisati računalni program koji će koristiti Monte Carlo metodu analize, nego je problem što se mnogi tako napisani programi mogu izvršavati danima. Međutim, postoje načini da se ubrza Monte Carlo metoda analize. U tim slučajevima koriste se različite tehnike smanjivanja varijance. Takve tehnike nisu intuitivne i zahtijevaju detaljnije razumijevanje.
Mostrar más

48 Lee mas

Phylogenetic Inference via Sequential Monte Carlo

Phylogenetic Inference via Sequential Monte Carlo

Although Bayesian approaches to phylogenetic infer- ence have many conceptual advantages, there are seri- ous computational challenges needing to be addressed if Bayesian methods are to be more widely deployed. These challenges are currently being shaped by two trends: (i) Advances in computer systems make it possi- ble to perform iterations of Markov chain Monte Carlo (MCMC) algorithms more quickly than before and (ii) however, thanks to advances in sequencing technology, the amount of data available in typical phylogenetic studies is increasing rapidly. The latter rate currently dominates the former, and, as a consequence, there are increasing numbers of phylogenetic data sets that are out of the reach of Bayesian inference. Moreover, while future improvement in computational perfor- mance is expected to come in the form of paralleliza- tion, current methods for parallelizing MCMC ( Feng et al. 2003 ; Altekar et al. 2004 ; Keane et al. 2005 ; Suchard and Rambaut 2009 ) have important limitations (see the Discussion section).
Mostrar más

16 Lee mas

Simulaciones Monte Carlo para el cálculo de los índices de dosis en el tomógrafo Brillance Big Bore del Hospital Oncológico Solca Núcleo Quito

Simulaciones Monte Carlo para el cálculo de los índices de dosis en el tomógrafo Brillance Big Bore del Hospital Oncológico Solca Núcleo Quito

Para realizar la medi ión experimental de los CTDIs de los proto olos de la Tabla 2.2, se siguieron las espe i a iones y re omenda iones del Código Interna ional de Prá ti a para la Dosi[r]

127 Lee mas

Ejecución eficiente de códigos Monte Carlo en infraestructuras de Grid

Ejecución eficiente de códigos Monte Carlo en infraestructuras de Grid

La idea original del método de Monte Carlo surgió de una casualidad, la enfermedad de Ulam durante 1946 (63). Durante su convalecencia empleó el juego del solitario como manera de mantenerse distraído y rápidamente se dedicó a estudiarlo desde un punto de vista matemático. Ahí descubrió que le resultaba mucho más sencillo tener una idea general del resultado reali- zando múltiples pruebas y calculando las proporciones que los resultados que computando todas las posibles combinaciones y analizarlas formalmente. El siguiente paso fue aplicar esa misma técnica para su trabajo en Los Álamos sobre la difusión de neutrones, donde la solución exacta de todas las ecua- ciones integro-diferenciales que guían el proceso es prácticamente imposible. Aunque inicialmente Von Neumann fue reticente a emplear este nuevo método, pronto se convenció de sus virtudes y juntos se dedicaron a perfec- cionarlo y estudiar las posibilidades que abría en distintas áreas. El nombre de “Monte Carlo” para fue propuesto por Nicholas Metropolis, y surgió como una broma interna (puede consultarse la historia completa en (64)) que hace referencia a la influencia del azar en la obtención de los resultados.
Mostrar más

275 Lee mas

Análisis de Monte Carlo para compuestos fibrosos de baja densidad

Análisis de Monte Carlo para compuestos fibrosos de baja densidad

El segundo trabajo, consisti´ o en estudiar la influencia de las variaciones de ciertas propiedades de los materiales constituyentes, en los resultados de rigidez mec´ anica obtenidos en cada modelo. Las propiedades anteriormente mencionadas son la longitud, el d´ıametro y el m´ odulo de elasticidad de las fibras, y tambi´en la densidad del compuesto. Para lo anterior se analizaron alrededor de 9, 000 modelos, y en cada uno de estos se tomaron dichas propiedades del material como variables aleatoreas normalmente distribuidas con medias constantes, pero simulando las desviaciones estandar de cada una de estas, como variables aleatoreas uniformemente distribuidas en ciertos intervalos, a las cuales se les asignaron valores mediante el m´etodo de simulaci´ on de Montecarlo . A diferencia del primer estudio, en donde todas las fibras seguian el mismo patron de orientaci´ on, en este segundo la orientaci´ on de cada fibra se tomo como una variable aleatorea uniformemente distribuida, lo cual permitio generar modelos en los cuales, existen fibras en cualquier orientaci´ on
Mostrar más

69 Lee mas

Show all 10000 documents...